偵測到廣告封鎖,導致我們無法顯示廣告
MiniWebtool 依靠廣告收入免費提供服務。如果這個工具幫到你,歡迎升級 Premium(無廣告 + 更快),或將 MiniWebtool.com 加入允許清單後重新整理頁面。
- 或升級 Premium(無廣告)
- 允許 MiniWebtool.com 顯示廣告,然後重新載入
線性迴歸計算機
歡迎使用 線性迴歸計算機,這是一個綜合統計工具,可計算最小平方迴歸線、相關係數、R 平方,並提供帶逐步公式分解的互動式散點圖視覺化。無論您是在進行研究資料分析、商業預測還是學術研究,此計算器都能提供專業級的統計分析。
什麼是線性迴歸?
線性迴歸是一種基本統計方法,用於通過將線性方程擬合到觀測資料來模型化依賴變數 (Y) 和一個獨立變數 (X) 之間的關係。該方法通過最小化平方殘差 (觀測值和預測值之間的差異) 的和來找到通過資料點的最佳適配直線。
迴歸方程
其中:
- Y (或 Y-hat) = 依賴變數的預測值
- X = 獨立變數 (預測因子)
- b₀ = Y 截距 (當 X = 0 時 Y 的值)
- b₁ = 斜率 (X 每變化一個單位時 Y 的變化)
如何計算線性迴歸
計算斜率 (b₁)
計算 Y 截距 (b₀)
其中 x-bar 和 y-bar 分別是 X 和 Y 的平均值。
理解相關性和 R 平方
相關係數 (r)
相關係數測量 X 和 Y 之間線性關係的強度和方向。它的範圍從 -1 到 +1:
| r 值 | 解釋 |
|---|---|
| 0.9 到 1.0 | 非常強的正相關 |
| 0.7 到 0.9 | 強的正相關 |
| 0.5 到 0.7 | 中等的正相關 |
| 0.3 到 0.5 | 弱的正相關 |
| -0.3 到 0.3 | 幾乎沒有或沒有相關 |
| -0.5 到 -0.3 | 弱的負相關 |
| -0.7 到 -0.5 | 中等的負相關 |
| -0.9 到 -0.7 | 強的負相關 |
| -1.0 到 -0.9 | 非常強的負相關 |
R 平方 (決定係數)
R 平方 (R²) 表示 Y 中由 X 解釋的變異比例。例如,R² = 0.85 表示 Y 中 85% 的變異可以由與 X 的線性關係解釋。
如何使用此計算器
- 輸入 X 值:在第一個文本框中輸入獨立變數資料,以逗號、空格或換行符分隔。
- 輸入 Y 值:在第二個文本框中輸入依賴變數資料。Y 值的數量必須與 X 值相匹配。
- 預測 (選擇性):輸入 X 值,使用迴歸方程預測對應的 Y 值。
- 設定精度:選擇結果的小數位數。
- 計算:點擊計算按鈕以查看迴歸方程、散點圖、相關統計和逐步計算。
理解您的結果
主要結果
- 迴歸方程:最佳適配線方程 (Y = b₀ + b₁X)
- 斜率 (b₁):X 每單位變化時 Y 的變化率
- 截距 (b₀):當 X 等於零時的預測 Y 值
- 相關係數 (r):線性關係的強度和方向
- R 平方 (R²):模型解釋的變異比例
附加統計
- 估計的標準誤差:資料點到迴歸線的平均距離
- 斜率的標準誤差:斜率估計的不確定性
- 平方和:總計、迴歸和殘差平方和
- 殘差:觀測和預測 Y 值之間的差異
線性迴歸的應用
商業和金融
- 根據廣告支出預測銷售
- 根據市場指標預測股票價格
- 根據生產量估計成本
科學和研究
- 分析變數之間的實驗關係
- 校準測量儀器
- 研究藥理學中的劑量反應關係
經濟學
- 模型化供求關係
- 分析利率對投資的影響
- 研究收入與消費模式
社會科學
- 教育研究 (學習時間 vs. 考試成績)
- 心理學研究 (年齡 vs. 反應時間)
- 人口統計學 (人口 vs. 資源消費)
線性迴歸的假設
為了獲得可靠的結果,線性迴歸假設:
- 線性性:X 和 Y 之間的關係是線性的
- 獨立性:觀測值彼此獨立
- 同方差性:殘差在所有 X 值上有常數變異
- 常態性:殘差近似正態分佈
- 無多重共線性:(對於多元迴歸) 獨立變數之間不高度相關
常見問題
什麼是線性迴歸?
線性迴歸是一種統計方法,用於通過將線性方程擬合到觀測資料來模型化依賴變數 (Y) 和一個獨立變數 (X) 之間的關係。方程採用 Y = b₀ + b₁X 的形式,其中 b₀ 是 Y 截距,b₁ 是斜率。它找到最佳適配線,使觀測值和預測值之間的平方差和最小。
我如何解釋線性迴歸中的斜率?
斜率 (b₁) 代表獨立變數 X 每增加一個單位時,依賴變數 Y 的變化。正斜率表示當 X 增加時 Y 也增加,而負斜率表示當 X 增加時 Y 減少。
什麼是 R 平方,它表示什麼?
R 平方 (R²),也稱為決定係數,測量迴歸線對資料的擬合程度。它的範圍從 0 到 1,其中 0 表示模型不能解釋任何變異性,1 表示解釋所有變異性。通常,R² 大於 0.7 表示適配好。
相關係數 (r) 和 R 平方之間有什麼區別?
相關係數 (r) 測量線性關係的強度和方向,範圍從 -1 到 +1。R 平方 (R²) 是 r²,代表解釋的變異比例。雖然 r 告訴您方向 (正或負),但 R² 只告訴您解釋了多少變異。
線性迴歸需要多少資料點?
技術上,您需要至少 2 個資料點,但對於有意義的統計分析,您應該有至少 10-20 個資料點。更多資料點通常會導致更可靠的估計。
線性迴歸中的殘差是什麼?
殘差是觀測 Y 值和預測 Y 值之間的差異 (殘差 = 觀測 Y - 預測 Y)。分析殘差有助於評估模型適配。理想情況下,殘差應該隨機散佈在零周圍,沒有明確的模式。
其他資源
引用此內容、頁面或工具為:
"線性迴歸計算機" 於 https://MiniWebtool.com/zh-tw/線性迴歸計算機/,來自 MiniWebtool,https://MiniWebtool.com/
由 miniwebtool 團隊提供。更新時間:Jan 17, 2026
您還可以嘗試我們的 AI數學解題器 GPT,通過自然語言問答解決您的數學問題。
其他相關工具:
統計與數據分析:
- anova計算機
- 算術平均值計算機
- 平均值計算機-高精度
- 平均偏差計算機
- 箱形圖製作器
- 卡方檢定計算機
- 變異係數計算機
- Cohen's d 計算機
- 複合生長率計算機
- 置信區間 計算機
- 比例置信區間計算機 新
- 相關係數計算器
- 幾何平均值計算機
- 諧波平均值計算機
- 直方圖製作器
- 四分位距計算機
- Kruskal Wallis 檢驗計算機
- 線性迴歸計算機 精選
- 對數成長計算機
- Mann-Whitney U 檢驗計算機
- 平均絕對離差計算機
- 平均值計算機 精選
- 平均中位模式計算機
- 中位數絕對偏差計算機
- 中位數計算機 精選
- 中程數計算機
- 模式計算機
- 異常值計算機
- 總體標準差計算機-高精度
- 四分位數計算機
- 四分位差計算機
- 範圍計算機
- 相對標準偏差計算機 精選
- 均方根計算機
- 樣本均值計算機
- 樣本量計算機
- 樣本標準差計算機
- 散佈圖製作器
- 標準偏差計算機 - 高精度 精選
- 標準誤差計算機
- 統計計算機
- t檢驗計算機
- 方差計算機 高精度
- Z-分數計算機 新